龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：武汉大学
摘要：本发明公开了一种融合多视航空倾斜影像的LiDAR点云语义分割方法和系统。首先构建并行的U型结构骨干特征提取网络，从多视航空倾斜影像和LiDAR点云中提取多尺度的纹理特征和空间特征；在此基础上，构建多模态数据融合模块，利用聚合多视航空倾斜影像得到强相关的纹理特征对LiDAR点云特征进行注意力引导，突出LiDAR点云中的关键特征；设计了全局联合损失函数整体优化模型参数，考虑了多幅影像中强相关的像素标签预测值与点云标签预测值的相似性损失，减少了不同模态特征之间的错误匹配对模型训练的干扰，保证了地物点云的分割精度与可靠性。
主权项：1.一种融合多视航空倾斜影像的LiDAR点云语义分割方法，其特征在于，包括以下步骤：步骤一，对LiDAR点云与多视航空倾斜影像这两种模态数据进行采样与几何配准，获得LiDAR点云和多视航空倾斜影像样本；步骤二，构建融合多视航空倾斜影像的LiDAR点云语义分割模型，包括并行的LiDAR点云语义分割分支和多视航空倾斜影像语义分割分支，具体包括如下子步骤：步骤2.1，多视航空倾斜影像语义分割分支具体包括：构建多视航空倾斜影像特征提取骨干网络，用于获取多视航空倾斜影像的多层级、多尺度特征，然后通过卷积输出层得到多视航空倾斜影像语义分割结果；多视航空倾斜影像特征提取骨干网络的输入为多视航空倾斜影像样本；步骤2.2，LiDAR点云语义分割分支具体包括：构建LiDAR点云特征提取骨干网络，用于获取LiDAR点云的多层级、多尺度特征，并将多视航空倾斜影像特征提取骨干网络提取的多尺度特征与LiDAR点云的多尺度特征进行融合，以实现对LiDAR点云特征的增强，然后通过卷积输出层得到LiDAR点云语义分割结果；LiDAR点云特征提取骨干网络的输入为LiDAR点云样本；步骤三，计算全局联合损失函数，用于更新语义分割模型参数；步骤四，利用训练得到的语义分割模型参数对待分割的LiDAR点云与多视航空倾斜影像数据进行语义分割，并将LiDAR点云样本的语义分割结果映射到原始LiDAR点云上得到最后的全局分割结果。
全文数据：
权利要求：
百度查询： 武汉大学 一种融合多视航空倾斜影像的LiDAR点云语义分割方法和系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号